Розробка програмного забезпечення для автоматизованої генерації технічної документації з використанням фреймворку LangChain

Abstract

Мета роботи – створення десктопного програмного забезпечення для інтелектуальної генерації технічної документації на основі аналізу коду з використанням LangChain та мовних моделей. У першому розділі здійснено огляд предметної області та обґрунтовано доцільність використання великих мовних моделей замість класичних генераторів. У другому розділі спроєктовано архітектуру системи, реалізовано модуль статичного аналізу (AST), конвеєр LangChain та багатопотоковий інтерфейс на базі PyQt6. У третьому розділі проведено функціональне тестування застосунку та перевірено компонент асинхронного обміну даними. У четвертому розділі розглянуто класифікацію небезпечних виробничих факторів та вплив вібрації. Об’єктом дослідження є процес створення веб-сервісу для комерційного розповсюдження аудіопродукції з механізмами захисту авторських прав. Предметом дослідження є методи статичного аналізу коду, інженерія підказок та технології побудови конвеєрів (LangChain). Методи дослідження: системний аналіз, парсинг через AST, об'єктно-орієнтоване проєктування та функціональне тестування.

The purpose of the work is the creation of desktop software for the intelligent generation of technical documentation based on code analysis using LangChain and language models. In the first chapter, an overview of the subject area is provided, and the expediency of using large language models instead of classical generators is justified. In the second chapter, the system architecture is designed, and the static analysis module (AST), LangChain pipeline, and multi-threaded interface based on PyQt6 are implemented. In the third chapter, functional testing of the application is conducted, and the asynchronous data exchange component is verified. In the fourth chapter, the classification of hazardous occupational factors and the impact of vibration are considered. The object of research is the process of automated creation of technical documentation for source code usingartificial intelligence. The subject of research is methods of static code analysis, prompt engineering, and pipeline building technologies (LangChain). Research methods: system analysis, parsing via AST, object-oriented design, and functional testing